Neem één auto die deze week werd gemarkeerd: een middelgrote Japanse sedan, vijf jaar oud, gemiddelde kilometerstand, te koop voor ongeveer 12% onder wat identieke auto's in dezelfde stad vroegen. Niets aan de advertentie schreeuwde "koopje". Gesorteerd op prijs stond hij niet eens op de eerste pagina, want tal van oudere, minder goed onderhouden auto's waren nominaal goedkoper. Hij kwam naar boven drijven door de manier waarop de pipeline hem leest — laten we die pipeline dus stap voor stap uit elkaar halen, met deze auto als specimen.
Fase één: de advertentie komt binnen
Onze crawlers houden 1.375 bronnen in 73 markten in de gaten — marktplaatsen, dealersites, veilinghuizen — wat op dit moment neerkomt op 1.108.535 live advertenties. De sedan kwam binnen via een advertentiesite als vrije tekst: een titel met merk en model gespeld op een van de vele manieren waarop verkopers dat doen, een prijs in lokale valuta, een kilometerstand in de eenheid die in die markt gebruikelijk is, en een omschrijving.
Eerste taak: de rij vergelijkbaar maken. Merken en modellen in vrije tekst worden gekoppeld aan canonieke families (onze normalisatielaag weet dat een tiental spellingen in verschillende schriften en talen dezelfde auto betreffen), valuta's en eenheden worden genormaliseerd, en voor de hand liggende duplicaten binnen dezelfde bron worden samengevoegd. Zonder deze fase werkt niets verderop in de keten — je kunt een auto niet met zijn cohort vergelijken als je niet betrouwbaar kunt vaststellen tot welk cohort hij behoort.
Fase twee: het cohort wordt samengesteld
Het cohort van de sedan bestaat uit elke live advertentie die dezelfde markt, hetzelfde canonieke model en dezelfde bouwjaarband deelt, met een kilometerstand in een vergelijkbare bandbreedte. Niet "sedans zoals deze". Niet een landelijk gemiddelde. De daadwerkelijke verzameling alternatieven die een echte koper in die stad deze week naast elkaar zou kunnen leggen.
Dit is het onderdeel dat de meeste prijsgidsen overslaan. Een boekwaarde is een landelijke abstractie; een cohort is de lokale, actuele, liquide waarheid. Wanneer het cohort diep genoeg is — en in de grote markten is dat meestal het geval — is de mediane vraagprijs van die auto's de eerlijkste definitie van "marktprijs" die er bestaat, omdat die wordt bepaald door verkopers die op hetzelfde moment om dezelfde kopers concurreren.
Fase drie: de filters zeggen vaak nee
De sedan was 12% goedkoper dan de mediaan van zijn cohort. Dat alleen levert nog geen badge op, want de grootste kortingen in elke markt worden gedomineerd door dingen die je niet wilt:
- Fouten. Een ontbrekende nul, een prijs in de verkeerde valuta, een placeholder van een dealer. Een auto die 70% onder de markt geprijsd is, is een typefout totdat het tegendeel bewezen is, dus onwaarschijnlijke kortingen worden zonder meer afgewezen.
- Verklaarbare kortingen. Een hoge kilometerstand verklaart een lage prijs; de cohortindeling vangt het grootste deel hiervan af, en wat er doorheen glipt wordt expliciet tegen de kilometerstand getoetst. Goedkoop-omdat-versleten is geen deal.
- Ruis van niet-verkoop. Regels uit veilinglogs, sloopauto's, teksten als "voor onderdelen", vreemd genoteerde afgestoten verhuurauto's — die worden herkend en in quarantaine geplaatst voordat ze de mediaan van een cohort omlaag kunnen trekken of zichzelf als koopje kunnen voordoen.
- Dunne cohorts. Als er maar een handvol vergelijkbare auto's bestaat, is de mediaan een gerucht, en dan zwijgen we liever dan dat we tegen een gerucht in markeren.
Na al dat snoeien draagt van de 1,1 miljoen live advertenties op dit moment ongeveer 12.800 het badge — iets meer dan 1%. De filters wijzen een orde van grootte meer advertenties af dan ze doorlaten, en dat afwijzingspercentage ís het product. Iedereen kan op prijs sorteren; het werk zit in wat wordt weggegooid.
Fase vier: het badge, en wat het niet claimt
De sedan kwam erdoor: geloofwaardige korting, diep cohort, gebruikelijke kilometerstand, schone bron. Hij staat op de deals-pagina met de korting vermeld ten opzichte van zijn eigen cohort.
Het loont om precies te zijn over wat dat badge betekent. Het betekent: geprijsd onder vergelijkbare live advertenties in zijn eigen markt, zonder zichtbare verklaring in de data. Het betekent niet dat de auto is geïnspecteerd, of dat de versnellingsbak in orde is, of dat de verkoper een heilige is. Het badge vindt de speld in de hooiberg; de koper moet die speld nog steeds controleren. Een historierapport en een fysieke inspectie blijven jouw helft van de deal.
En de sedan uit dit voorbeeld? Gemarkeerd op een dinsdag, verkocht voor vrijdag. Dat is het patroon bij echte koopjes — en dat is op zichzelf al een nuttig signaal. De gemarkeerde auto's die wekenlang blijven staan, hebben meestal een reden die de data niet kan zien, en de auto's die binnen enkele dagen verdwijnen, zijn gevallen waarin de markt het met de rekensom eens is.
Het hele systeem draait na elke crawl, in elke markt, vanuit dezelfde genormaliseerde dataset. Eén cyclus, 73 markten, en een badge die vier fasen van "nee" moet overleven voordat je hem ooit te zien krijgt.
